X
Następny artykuł dla ciebie

Sześć sposobów na lepsze prognozowanie sprzedaży

Bob Suh

Choć podejmowane są działania zmierzające do poprawy precyzji prognozowania, m.in. poprzez wykorzystanie sztucznej inteligencji i innych zaawansowanych technologii, szefowie sprzedaży nadal spotykają się z mocno zawyżonymi prognozami swoich zespołów. Źródłem większości tych nieprecyzyjnych przewidywań są bowiem nie błędne algorytmy, ale ludzkie zachowania.

Oto pięć najbardziej szkodliwych spośród nich.

Ukrywanie złych wiadomości

Współpracowałem kiedyś z firmą, która przeszła właśnie poważną fuzję i reorganizację, zmagając się z ostrą konkurencją branżową. Zaskoczyło mnie wówczas odkrycie, że wskaźnik sukcesu sprzedaży, jaki wynikał z firmowego systemu CRM, wynosił 90%. Czy firmie udało się w spektakularny sposób wyjść na prostą? Raczej nie. Obawiając się zwolnień, handlowcy nie wprowadzali straconych zleceń. Ukrywanie tych danych ograniczało podstawę prognostyczną, a przez to zawyżało wskaźnik sukcesu.

Harvard Business Review Polska to prestiżowy magazyn dla tych, którzy są głodni sukcesu. Inwestując w wiedzę harvardzką, robisz krok w dobrym kierunku. Sprawdź teraz!

Prowadzenie dwóch zestawów danych

Jeśli twoja firma ma 1000 sprzedawców, może ci się wydawać, że masz jeden system CRM, choć w istocie masz ich 1001. Większość handlowców prowadzi dwa odrębne rejestry szans sprzedażowych. Jeden zestaw wprowadzają do systemu CRM, drugi natomiast trzymają w prywatnym arkuszu, w którym analizują scenariusze, aby ocenić, na jaką mogą liczyć prowizję. Co oczywiste, z tych dwóch zestawów prywatny arkusz kalkulacyjny jest znacznie dokładniejszy.

Złudne nadzieje

Jak pokazują badania Daniela Kahnemana i Amosa Tversky’ego, ludzie nie chcą się przyznać do przegranej. Chociaż większość sprzedawców w głębi serca wie, że nieaktywne zamówienie jest w istocie straconym zamówieniem, często obawia się momentu, w którym będzie musiało się przyznać do tego przed zespołem. Dlatego też handlowcy kurczowo trzymają się nadziei. Prowadzi to do zawyżania szans w lejkach sprzedaży i sprawia, że zarówno kierownictwo, jak i zespoły nie dostrzegają luk we własnych prognozach.

Korzystanie z wygodnie nieostrych definicji

Pewna firma technologiczna o wartości 79 mld dolarów postanowiła udoskonalić prognozowanie, automatyzując obejmującą dziesięć czynników punktację „kondycji transakcji”. Pomimo rygorystycznych kontroli zespołów sprzedażowych okazało się, że prognozy były nadal nierzetelne. Istotny powód stanowiły nieostre definicje. Na przykład jednym z czynników kondycji transakcji było „dopasowanie strategiczne”. Bez względu na to, czy osoby przeprowadzające ocenę określiły dopasowanie jako wysokie lub niskie, silne lub słabe, czy też umiejscowiły je gdzieś na skali od 1 do 10, odpowiedź zależała zawsze od oceny obserwatora.

Dlatego też stworzono konkurencyjny algorytm, który po prostu liczył liczbę dni, w których transakcja była w toku, i porównywał ją z innymi transakcjami zakończonymi powodzeniem lub niepowodzeniem w przeszłości, aby określić prawdopodobieństwo jej finalizacji. Uzyskany w ten sposób „wskaźnik prędkości” okazał się znacznie dokładniejszy, częściowo dlatego, że dzień jest tylko dniem i jako miernik nie poddaje się manipulacjom lub wyolbrzymianiu w przeciwieństwie do wygodnie niejasnych kryteriów, które mogą zawyżać prognozy sukcesu.

Niezadawanie oczywistych pytań

Systemy CRM automatycznie oceniają szanse na uzyskanie przychodów oraz prognozują ich wielkość na podstawie etapu transakcji (kwalifikacja, oferta, zakup). Model ten ma solidne podstawy teoretyczne, jednak w praktyce kuleje. W miarę jak szanse przechodzą przez kolejne poziomy lejka sprzedaży, powinno wzrastać prawdopodobieństwo ich realizacji. Niemniej handlowcy mogą posługiwać się różnymi kryteriami na różnych etapach. Na przykład jeden może zakwalifikować zapytanie ofertowe jako ofertowanie, podczas gdy inny zastosuje bardziej rygorystyczne kryteria, takie jak określenie przez klienta ograniczeń budżetowych. Obydwie transakcje zostaną przypisane do etapu „ofertowania” i uzna się, że mają te same szanse na sukces, choć w istocie znacznie się różnią.

Co gorsza, w rozmowach z dziesiątkami szefów sprzedaży nie spotkałem się jeszcze z zespołem, który konsekwentnie i precyzyjnie monitorował faktyczne wyniki prognoz na danym etapie procesu. Na przykład: jeśli na danym etapie, na którym było 100 transakcji, szanse określono na 25%, czy faktycznie 25 spośród nich zostało sfinalizowanych? Większość szefów sprzedaży nie potrafi odpowiedzieć na to proste pytanie, ponieważ go nie zadała.

Czy należy pracować nad doskonaleniem prognoz, ludzi, czy raczej systemu?

Aby przeciwstawić się działaniom, które zawyżają wielkość lejka sprzedaży, działy finansowe stosują metodę „przystrzygania”, czyli po prostu obcinania prognoz o jakąś wielkość procentową. Dyrektor finansowy jednej z największych na świecie firm zarządzania aktywami powiedział mi, że zwykle „przystrzyga” prognozy z systemu CRM o 20%. To prosty sposób ich korygowania, który w znacznej mierze opiera się na wyczuciu.

Inną opcją, z której korzysta część liderów, jest doskonalenie pracowników. Algorytmy AI nie są lepsze niż dane, które się im dostarcza. Jeśli uda się przekonać pracowników do zmiany zachowań, można wprowadzić do systemu dokładniejsze dane wejściowe, aby otrzymać dokładniejsze dane wyjściowe. Na przykład chroniczną bolączką wielu firm jest to, że prognozy oferowane przez system CRM odzwierciedlają wyniki historyczne zamiast być drogowskazem prowadzącym ku przyszłości. Liderzy wykrywają to, kiedy handlowcy rejestrują transakcje, które w cudowny sposób przeskakują poszczególne etapy i zostają sfinalizowane. Kiedy liderzy znajdują tego typu ukrywane wpisy, często grożą wstrzymaniem prowizji. Może to doprowadzić do tymczasowej poprawy sytuacji, ale takie podejście rzadko kiedy trwale rozwiązuje problem, ponieważ ludzie wracają do starych nawyków.

Ani arbitralne cięcie prognoz, ani walka z ludzkimi nawykami nie zapewnią precyzyjnych prognoz, jakich potrzebuje twoja firma i której wymagają rynki finansowe. Bardziej obiecującym sposobem jest reorganizacja systemu tak, aby uwzględniał ludzkie zachowania, które zniekształcają wyniki, i reagował na nie. Oto przykłady technik, które mogą ci pomóc w realizacji tego celu.

Personalizuj i porównuj decyzje

Posługując się tą samą architekturą, co najlepsze platformy bazujące na rekomendacjach konsumentów, takie jak Netflix, Spotify czy Amazon, systemy potrafią zapamiętać każdy wybór każdego użytkownika, a następnie proponować spersonalizowane rekomendacje na podstawie analizy porównawczej z grupą użytkowników. Na przykład warta 25 mld dolarów firma technologiczna korzysta z tej metody, analizując zachowania cenowe handlowców. System umożliwia handlowcom wybór cen za pomocą scenariuszy, które oferują zróżnicowany asortyment cen, produktów i marż. Menedżerowie widzą następnie, jak często dany scenariusz prowadzi do uzyskania zamówienia. Dzięki odpowiedniej liczbie scenariuszy w bazie danych system może rekomendować te najlepsze w danej sytuacji konkurencyjnej.

Umożliwia to również wykrywanie zachowań, które są źródłem nieprawidłowych prognoz. Na przykład, aby zachęcić użytkowników do szerszego dzielenia się informacjami, system może rejestrować częstotliwość, z jaką użytkownicy wprowadzają nowe transakcje w porównaniu z innymi. Jeśli jeden handlowiec jest równie skuteczny co inny, lecz wprowadza do systemu o połowę mniej transakcji, zapewne ukrywa te nieudane. Osoby, które ukrywają informacje, należy zachęcać do częstszego ich wprowadzania.

Udostępnij elastyczne algorytmy

Przeprowadzone niedawno badania wskazują, że ludzie chętniej korzystają z rekomendacji algorytmów, kiedy mają możliwość (choćby nieznacznego) ich dopasowania. Z kolei uczestnicy badań, którzy mogli regulować algorytmy prognostyczne, tworzyli lepsze prognozy niż osoby, które nie miały takiej możliwości. Zapewnienie sprzedawcom prostych scenariuszy, które mogą dostosować, nazwać, śledzić i porównywać, umożliwia im dostrzeżenie, jak różne wyniki konkretnych transakcji wpływają na ich cele sprzedaży. Mogą oni następnie odpowiednio skoncentrować swoje działania sprzedażowe.

Stale monitoruj prawdopodobieństwo

Zamiast prognozować przychody na podstawie stałych, powiązanych z danym etapem wskaźników prawdopodobieństwa śledź postępy i wyniki transakcji oraz korzystaj ze standardowego rozkładu, aby przewidywać prawdopodobieństwo powodzenia danej transakcji na podstawie jej wielkości i wieku. Innymi słowy, obliczając samą częstotliwość udanych transakcji jako procent wszystkich transakcji, możesz znacznie dokładniej określać szanse każdej nowej transakcji.

Skorzystaj z testu czasu

Wiele systemów posługuje się skomplikowanymi metodami określania kondycji poszczególnych transakcji, uwzględniając takie czynniki, jak dopasowanie produktu, stopień konkurencji, wrażliwość cenową itp. Możesz jednak znacznie uprościć model, ignorując wszystkie czynniki z wyjątkiem czasu pomiędzy poszczególnymi etapami cyklu. Stosując to podejście, odkryliśmy, że zakończone powodzeniem transakcje niemalże zawsze plasują się powyżej 50 percentyla współczynnika tempa finalizacji. Nieskuteczne transakcje mają tendencję do poruszania się znacznie wolniej.

Wykryj, kto stara się przechytrzyć system

Sprzedawcy często okopują się na bezpiecznych pozycjach – celowo tworzą zachowawcze prognozy, które potrafią następnie z łatwością przekroczyć. Aby temu zapobiec, stwórz algorytm, który będzie śledzić efektywność prognoz poszczególnych handlowców w porównaniu ze średnią dla całej grupy. Powinien on oznaczać osoby, które stale osiągają znacznie wyższe wyniki w porównaniu z niższymi niż przeciętnie prognozowane. Zachowawcze działania nie tylko podważają dokładność prognoz, lecz również pozbawiają firmę możliwości wzrostu, który można by było osiągnąć dzięki bardziej ambitnym celom sprzedaży.

Nagradzaj dokładność

Nagradzaj osoby plasujące się w górnym kwintylu sprzedawców, których prognozy najdokładniej odzwierciedlają faktyczną sprzedaż w danym okresie. Ponieważ praktycznie rzecz biorąc żadna organizacja, z którą się spotkałem, nie nagradza precyzji prognozowania, trudno definitywnie stwierdzić, czy będzie to skuteczna strategia, lecz bez wątpienia warto ją wypróbować.

Większa niestabilność sprzedaży może spowodować, że prognozy, które w przeszłości były zawyżone o 8%, w późniejszym czasie będą się rozmijać z rzeczywistością o 20% do 50%. Dokładniejsze prognozowanie sprzedaży ma więc ogromne znaczenie tak dla firm i ich akcjonariuszy, jak i dla całej gospodarki.

PRZECZYTAJ TAKŻE: Co zrobić, by sceptycy stali się naszymi wyznawcami? »

Jak rozmawiają skuteczni sprzedawcy? 

Steve W. Martin

Lingwistyka sprzedaży pomaga zrozumieć, jak przekonać potencjalnych klientów do zakupu oraz co zrobić, by sceptycy stali się naszymi wyznawcami.

Dziękujemy, że jesteś z nami! Cieszymy się, że interesują cię treści dostarczane przez „Harvard Business Review Polska”. Każdego dnia dajemy ci sprawdzone rozwiązania problemów biznesowych. Nie chcesz przegapić żadnej praktycznej wskazówki? Zapisz się na nasz newsletter! Sprawdź hbrp.pl/newsletter.

Dziękujemy, że jesteś z nami! Cieszymy się, że jako zalogowany użytkownik sięgasz po praktyczne treści dostarczane przez „Harvard Business Review Polska”. Każdego dnia staramy się wyposażać cię w sprawdzone rozwiązania problemów biznesowych. Zostań prenumeratorem HBRP i ciesz się wiedzą bez ograniczeń. Sprawdź na hbrp.pl/prenumerata.

Dziękujemy, że jesteś z nami! Jako prenumerator „Harvard Business Review Polska” wiesz, że każdego dnia wyposażamy cię w sprawdzone rozwiązania problemów biznesowych. Nie chcesz przegapić żadnej praktycznej wskazówki? Zapisz się na nasz newsletter! Więcej na hbrp.pl/newsletter.

Powiązane artykuły


Bądź na bieżąco


Najpopularniejsze tematy